Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.ufba.br/handle/ri/39890
metadata.dc.type: | Dissertação |
Título : | An intelligent self-configuring recommender system as a service. |
Otros títulos : | Um sistema de recomendação inteligente e autoconfigurável como serviço. |
metadata.dc.creator: | Abreu, Felipe Rebouças Ferreira |
metadata.dc.contributor.advisor1: | Durão, Frederico Araújo |
metadata.dc.contributor.referee1: | Durão, Frederico Araújo |
metadata.dc.contributor.referee2: | Oliveira Neto, Rosalvo Ferreira de |
metadata.dc.contributor.referee3: | Sant’Anna, Cláudio Nogueira |
metadata.dc.description.resumo: | No cenário digital em rápida evolução, os usuários muitas vezes se sentem sobrecarregados pela multiplicidade de serviços de listagem, que vão desde plataformas de música até recomendadores de produtos e sugestões de conteúdo em mídias sociais, resultando em um desafio para encontrar itens que se alinhem às suas preferências individuais. Para lidar com essa complexidade, o desenvolvimento e a implementação de Sistemas de Recomendação tornaram-se cada vez mais valiosos. Esses sistemas filtram eficientemente grandes volumes de dados para corresponder itens às preferências dos usuários, aumentando, assim, as opções disponíveis para os usuários. O foco deste trabalho é o desenvolvimento de uma Interface de Programação de Aplicações (API) avançada para Sistemas de Recomendação. Esta Interface de Programação de Aplicações é projetada de forma única para ser universalmente acessível e fácil de implantar. Servindo como a espinha dorsal de vários serviços Web, a Interface de Programação de Aplicações utiliza a arquitetura robusta de Transferência de Estado Representacional (REST). É elaborada com ênfase na modularidade, promovendo adaptabilidade e flexibilidade. A Interface de Programação de Aplicações processa dados de usuários e consultas para fornecer recomendações personalizadas rapidamente. Avaliações de desempenho demonstraram a precisão louvável da Interface de Programação de Aplicações. Ela apresenta um desempenho notável, particularmente com conjuntos de dados menores, demonstrando rapidez no processamento de dados e nos tempos de execução dos algoritmos. A Interface de Programação de Aplicações mostrou excepcional eficiência e resiliência em condições específicas de teste, incluindo ambientes em nuvem, e isso é particularmente evidente em cenários que envolvem extensos conjuntos de dados de até 16.000 itens. A Interface de Programação de Aplicações é mais do que uma mera ferramenta; ela representa um caminho para experiências digitais personalizadas, destacando-se nas operações de Criar, Ler, Atualizar e Excluir (CRUD) e nas recomendações personalizadas. A fase de avaliação do usuário incluiu um grupo diversificado de participantes, variando de desenvolvedores novatos a experientes. Mais da metade desses participantes tinha experiência substancial em desenvolvimento de software, e uma proporção significativa já havia trabalhado com a codificação de sistemas de recomendação. Dada a sua variada experiência em bibliotecas de recomendação, a maioria dos feedbacks elogiou a eficácia da Interface de Programação de Aplicações. 81% dos usuários valorizaram as recomendações fornecidas, e muitos expressaram confiança nas técnicas de filtragem. O destaque deste trabalho é a versatilidade da Interface de Programação de Aplicações para Sistemas de Recomendação. Apesar do feedback positivo, os usuários sugeriram melhorias em áreas como documentação, segurança de dados e recursos. Essas percepções são valiosas para aprimoramentos futuros da Interface de Programação de Aplicações e da experiência do usuário. O envolvimento entusiástico e o feedback dos participantes ressaltam o potencial da Interface de Programação de Aplicações para aprimorar aplicações que requerem um sistema de recomendação, particularmente para desenvolvedores que podem não estar tão familiarizados com os aspectos teóricos. A sólida base de pesquisa e a dedicação dos participantes destacam o potencial para uma adoção mais ampla da Interface de Programação de Aplicações por desenvolvedores. |
Resumen : | In the rapidly evolving digital landscape, users are often overwhelmed by the multitude of listing services, ranging from music platforms to product recommenders and social media content suggestions, leading to a challenge in finding items that align with their individual preferences. To address this complexity, the development and implementation of Recommender Systems has become increasingly valuable. These systems efficiently sift through large volumes of data to match items with user preferences, thereby enhancing the choices available to users. The focus of this work is on the development of an advanced Application Programming Interface (API) for Recommender Systems. This Application Programming Interface is uniquely designed to be universally accessible and easy to deploy. Serving as the backbone for various Web Services, the Application Programming Interface utilizes the robust Representational State Transfer architecture. It is crafted with an emphasis on modularity, promoting adaptability and flexibility. The Application Programming Interface processes user data and queries to deliver customized recommendations swiftly. Performance evaluations have demonstrated the commendable accuracy of the Application Programming Interface. It exhibits outstanding performance particularly with smaller datasets, showcasing rapid data processing and algorithm execution times. The Application Programming Interface has shown exceptional efficiency and resilience under specific testing conditions, including cloud environments, and this is particularly evident in scenarios involving extensive datasets of up to 16,000 items. The Application Programming Interface is more than a mere tool; it represents a pathway towards personalized digital experiences, excelling in Create, Read, Update, and Delete operations and customized recommendations. The user evaluation phase included a diverse group of participants, ranging from novice to experienced developers. Over half of these participants had substantial experience in software development, and a significant proportion had previously worked with coding recommender systems. Given their varied knowledge of recommender libraries, most feedback commended the effectiveness of the Application Programming Interface. 81% of users valued the recommendations provided, and many expressed confidence in its filtering techniques. The standout feature of this work is the versatility of the Recommender System Application Programming Interface. Despite the positive feedback, users suggested improvements in areas such as documentation, data security, and features. These insights are valuable for future refinements of the Application Programming Interface and the user experience. The enthusiastic engagement and feedback from participants underscore the potential of the Application Programming Interface to enhance applications that require a recommendation system, particularly for developers who may not be as familiar with the theoretical aspects. The solid research foundation and the dedication of the participants highlight the potential for broader adoption of the Application Programming Interface by developers. |
Palabras clave : | Software como serviço API Sistemas de recomendação RecSys Microsserviços Nuvem |
metadata.dc.subject.cnpq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
metadata.dc.language: | eng |
metadata.dc.publisher.country: | Brasil |
Editorial : | Universidade Federal da Bahia |
metadata.dc.publisher.initials: | UFBA |
metadata.dc.publisher.department: | Instituto de Computação - IC |
metadata.dc.publisher.program: | Departamento de Ciência da Computação (DCC) |
Citación : | ABREU, Felipe Rebouças Ferreira. An intelligent self-configuring recommender system as a service. 2023. 93 f. Dissertação (Mestrado em Ciência da Computação), Instituto de Computação, Universidade Federal da Bahia, Salvador (Bahia), 2023. |
metadata.dc.rights: | Acesso Aberto |
URI : | https://repositorio.ufba.br/handle/ri/39890 |
Fecha de publicación : | 28-dic-2023 |
Aparece en las colecciones: | Dissertação (PGCOMP) |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
FELIPE_ABREU_dissertação_modified-2.pdf | Dissertação de Mestrado em Ciência da Computação | 2,76 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.